Бул кризистерди алдын ала билүү үчүн, сиз i колдоно аласыз болжолдоочу моделдер бирок алар көбүнчө кечиктирилген, эскирген же толук эмес тобокелдик чараларына негизделген. Нью-Йорк университетинин изилдөөсү болжолдоочу алгоритмдерди оптималдуу түрдө кантип колдонууну түшүнүүгө аракет кылган.
Изилдөө көрсөткөндөй, 11,2-жылдан 1980-жылга чейин жарыяланган азык-түлүк коопсуздугу жок өлкөлөр жөнүндө 2020 миллион макаланын текстин түзүү жана акыркы жетишкендиктерди пайдалануу менен deep learning: жубатарлык натыйжаларды алууга болот. Иштеп чыгуу тобокелдиктин салттуу индикаторлору менен чечмеленүүчү жана тастыкталган азык-түлүк кризисинин жогорку жыштыктагы прекурсорлорун алууга мүмкүндүк берди.
Алгоритм deep learning 2009-жылдын июлунан 2020-жылдын июлуна чейинки мезгилде кризистин индикаторлору азык-түлүк коопсуздугу жок 21 өлкөдө болжолдоолорду олуттуу түрдө жакшыртат, бул тексттик маалыматты камтыбаган базалык моделдерге караганда 12 айга чейин эрте.
Изилдөө азык-түлүк коопсуздугунун Интегралдык Фазалык Классификациясына (IPC) багытталган. Ачарчылык жөнүндө эрте эскертүү системалары тармагы (FEWS NET). Бул классификация Африка, Азия жана Латын Америкасындагы азык-түлүк коопсуздугу начар 37 өлкөдө райондук деңгээлде жеткиликтүү жана 2009-2015-жылдар аралыгында жылына төрт жолу жана андан кийин жылына үч жолу кабарланган.
Азык-түлүк коопсуздугу беш этаптан турган ординалдуу шкала боюнча классификацияланат: төмөн, стресс, кризис, өзгөчө кырдаал жана ачарчылык.
BlogInnovazione.it
Apple Vision Pro коммерциялык көрүүчүсү аркылуу офтальмопластика операциясы Катания поликлиникасында жасалды…
Боёо аркылуу майда моторикасын өнүктүрүү балдарды жазуу сыяктуу татаал көндүмдөрдү даярдайт. Түс үчүн…
Аскер-деңиз сектору 150 миллиарддык рынокту көздөй багыт алган чыныгы дүйнөлүк экономикалык держава...
Өткөн дүйшөмбүдө Financial Times OpenAI менен келишим түзгөнүн жарыялады. FT өзүнүн дүйнөлүк деңгээлдеги журналистикасына лицензия берет…